CS Feldsitzung

Hintergrund

Im Sommer 2020 habe ich CSCI370 oder “Fortgeschrittene Softwaretechnik” im Rahmen meines CS-Studiums an der Colorado School of Mines belegt. CSCI370 ist ein Kurs, der die Studierenden dazu bringt, softwarebezogene Lösungen für ein Unternehmen zu entwerfen, zu implementieren und zu dokumentieren. Es ermöglicht den Studierenden, ihr Wissen aus dem Studium auf reale Probleme der Informatik anzuwenden. Sie können mehr über den Kurs hier erfahren.

Im Kurs dürfen Sie entscheiden, an welchem Projekt/Unternehmen Sie arbeiten möchten. Der Kurs stellte PDFs zur Verfügung, die jedes Projekt und Unternehmen detailliert beschrieben. Letztendlich entschied ich mich, an einem Projekt zu arbeiten, das von einem Unternehmen namens Lunar Outpost veröffentlicht wurde, das Echtzeit-Radschlupfdetektion und Fehlerkorrekturen für verbesserte Mondnavigation heißt. Da der Name lang ist, geben wir dem Projekt den Alias “Radschlupfdetektion”.

Problem

Lunar Outpost ist ein Startup, das versucht, autonome Mondrover zu entwickeln. Auf dem Mond gibt es viel Mondstaub, der dafür bekannt ist, viel Radschlupf zu verursachen. Dies ist nicht ideal, da Radschlupf dazu führen kann, dass autonome Systeme ihren Standort in der realen Welt verlieren. Auf der Erde wird dies durch die Verwendung von GPS-Daten gelöst, um jegliche Abweichung, die durch Radschlupf verursacht wird, zu korrigieren. Aber das Problem mit GPS ist, dass es nur funktioniert, wenn 30+ Navigationssatelliten ständig die Erde umkreisen und einzigartige Signale übertragen, die es Computern ermöglichen, ihre Position zu berechnen. Aber auf dem Mond gibt es derzeit kein GPS. In Anbetracht dessen muss eine andere Methode als GPS verwendet werden, um Radschlupf zu erkennen. Ein detaillierterer Bericht über das Problem des Projekts kann hier eingesehen werden.

Teamkollegen

Dieses Projekt war kein einfaches Projekt, daher musste es im Team durchgeführt werden. Das Team bestand aus fünf Kommilitonen der Colorado School of Mines:

• Mehmet Yilmaz
• Kane Bruce
• Braedon O’Callaghan
• Liam Dempsey
• Kevin Grant

Das Projekt erforderte, dass wir etwas über ROS, C++, Python, Linux, Raspberry Pi und Arduino wussten. Die meisten von uns hatten Erfahrung mit einer oder mehreren dieser Technologien, aber ich war der einzige mit Erfahrung in ROS, da ich ROS in meinem Kurs über menschzentrierte Robotik (CSC470) im Frühjahrssemester 2020 verwendet habe. Daher half ich frühzeitig, alle über ROS und die Entwicklung dafür auf den neuesten Stand zu bringen.

Herausforderungen

In diesem Projekt gab es viele Herausforderungen. Aber die größte Herausforderung, der wir gegenüberstanden, war der Mangel an Zugang zu einem realen Roboter für Tests. Dies war auf COVID zurückzuführen, das alles remote machte und uns daran hinderte, im Labor/Gebäude von Lunar Outpost zu arbeiten. Daher mussten wir Simulationen verwenden.

Außerdem haben wir einige akademische Forschungen vom WVU Navigation Lab durchgesehen, um eine Vorstellung davon zu bekommen, wie das Radschlupfproblem für den Anwendungsfall von Lunar Outpost gelöst werden könnte. Was für uns als Bachelor-Studenten im zweiten und dritten Jahr schwieriger war, als wir erwartet hatten.

Eine weitere Herausforderung, der wir gegenüberstanden, war die Menge an Zeit, die wir für dieses Projekt hatten. CSCI370 ist ein einmonatiger Kurs. Aber das Problem selbst ist ein massives Problem, das viele Unternehmen und Akademiker seit Jahrzehnten zu lösen/zu perfektionieren versuchen. Ein Monat ist also bei weitem nicht genug Zeit, um dieses Problem zu lösen. Aber trotz all dieser Herausforderungen haben wir durchgehalten und sichergestellt, dass wir liefern.

Fazit

In diesem Beitrag hätte ich gerne eine detailliertere Erklärung unserer Lösungen gegeben. Ebenso hätte ich gerne ein angemessenes Fazit bereitgestellt, das erklärt, was wir entdeckt haben und die endgültigen Ergebnisse. Aber leider haben mein Team und ich alle eine Geheimhaltungsvereinbarung (NDA) unterzeichnet, die uns daran hindert, vertrauliche Informationen über dieses Projekt zu teilen. Alle Informationen, die ich oben bereitgestellt habe, sind öffentlich und können im Internet abgerufen werden.

Während dieses Projekts haben wir wirklich gelernt, wie man ROS verwendet und Simulationen mit ROS und Gazebo erstellt. Wir haben auch ein besseres Verständnis im Forschungsbereich der Radschlupfdetektion gewonnen. Wir hatten auch die Ehre, einige Akademiker/Forscher vom WVU Navigation Lab zu treffen.

In Anbetracht all dessen muss ich sagen, dass mir dieses Projekt ermöglicht hat, eine Führungsposition im Team zu übernehmen, als Pädagoge zu fungieren, um meinen Kollegen zu helfen, ROS besser zu verstehen, und mir mehr Erfahrung in ROS, Gazebo und Python zu verschaffen. Es hat mich auch mit dem Problem des Radschlupfs konfrontiert, einem Problem, dessen ich mir bis zur Arbeit an diesem Projekt nicht bewusst war. Insgesamt bin ich dankbar, dass Lunar Outpost sich die Zeit genommen hat, um uns zu ermöglichen, an diesem Projekt zu arbeiten, insbesondere während COVID. Ich bin auch dankbar, großartige Teamkollegen gehabt zu haben, die wirklich hart an diesem Projekt gearbeitet haben.